| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-36页 |
| 1.1 引言 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外群体机器人研究的进展 | 第12-13页 |
| 1.2.2 国内群体机器人/多机器人研究 | 第13-14页 |
| 1.3 群体机器人控制 | 第14-20页 |
| 1.4 群体机器人应用场景 | 第20-23页 |
| 1.5 群体智能算法概述 | 第23-34页 |
| 1.5.1 蚁群算法ACO | 第24-25页 |
| 1.5.2 粒子群算法PSO | 第25-27页 |
| 1.5.3 菌群优化算法 | 第27-30页 |
| 1.5.4 蛙跳算法SFLA | 第30-31页 |
| 1.5.5 智能水滴算法IWD | 第31-34页 |
| 1.6 论文的研究内容和创新点 | 第34-35页 |
| 1.6.1 主要研究内容 | 第34-35页 |
| 1.6.2 论文创新点 | 第35页 |
| 1.7 论文的章节安排 | 第35-36页 |
| 第二章 基于菌群算法的群机器人目标搜索和围捕 | 第36-59页 |
| 2.1 引言 | 第36-39页 |
| 2.2 BC算法的基本结构及相关设定 | 第39-42页 |
| 2.2.1 初始坐标系 | 第40页 |
| 2.2.2 静态划分Voronoi图 | 第40-41页 |
| 2.2.3 机器人状态 | 第41-42页 |
| 2.3 实验初始假设条件 | 第42页 |
| 2.4 基于BC算法的群体机器人目标搜索和围捕 | 第42-48页 |
| 2.4.1 基于BC算法的群体机器人目标搜索 | 第43-47页 |
| 2.4.2 基于BC算法的群体机器人围捕 | 第47-48页 |
| 2.5. 实验与分析 | 第48-56页 |
| 2.5.1 目标搜索与区域覆盖 | 第48-52页 |
| 2.5.2 多目标围捕 | 第52-53页 |
| 2.5.3 机器人发生故障时的搜索与围捕 | 第53-55页 |
| 2.5.4 群体机器人之间的作用力分析 | 第55-56页 |
| 2.6 与其他算法比较 | 第56-58页 |
| 2.7 小结 | 第58-59页 |
| 第三章 基于动态Voronoi方法的群体机器人区域覆盖 | 第59-73页 |
| 3.1 引言 | 第59-60页 |
| 3.2 基于Voronoi图的群体机器人控制方法 | 第60-69页 |
| 3.2.1 Voronoi图 | 第60-61页 |
| 3.2.2 基于Voronoi图的Dijkstra算法拓扑路径优化 | 第61-64页 |
| 3.2.3 基于Voronoi图的对角函数对D*算法改进 | 第64-68页 |
| 3.2.4 BC算法 | 第68-69页 |
| 3.3 仿真实验与分析 | 第69-72页 |
| 3.4 小结 | 第72-73页 |
| 第四章 基于随机基因调控网络的群体机器人定位研究 | 第73-86页 |
| 4.1 引言 | 第73-74页 |
| 4.2 基于生物智能的滤波器 | 第74-79页 |
| 4.2.1 基因调控网络GRN | 第74-75页 |
| 4.2.2 基于GRN的群体机器人定位滤波器设计 | 第75-77页 |
| 4.2.3 基于生物智能的过滤器理论分析 | 第77-78页 |
| 4.2.4 基于生物智能过滤器的构建 | 第78-79页 |
| 4.3 基于生物智能的滤波器仿真实验 | 第79-85页 |
| 4.3.1 NSGA-II优化参数 | 第79-82页 |
| 4.3.2 基于SGRN的滤波器性能分析 | 第82-85页 |
| 4.4 小结 | 第85-86页 |
| 第五章 总结与展望 | 第86-88页 |
| 5.1 总结 | 第86页 |
| 5.2 展望 | 第86-88页 |
| 参考文献 | 第88-107页 |
| 致谢 | 第107-109页 |
| 附录 | 第109-110页 |
| 附录A 攻读博士学位期间取得的成果 | 第109-110页 |
| 附录B 攻读博士学位期间参与的项目 | 第110页 |
